Aller au contenu
12 novembrejeu.
  1. Adafruit Blog62

    Un ingénieur Google utilise 48 agents IA pour analyser des données lidar de la NASA et repérer une pyramide maya non répertoriée

    Un ingénieur logiciel a utilisé 48 agents IA pour parcourir des données lidar publiques de la NASA et identifier au Mexique un site maya absent du registre du gouvernement mexicain. Environ 1 200 km² de bandes lidar ont été convertis en images, que les agents ont examinées une à une en s'appuyant sur un guide écrit plutôt que sur un modèle ou un classificateur spécialisé, signalant pyramides, plateformes et places tout en écartant collines naturelles, dolines et routes. Les agents ont vérifié le nuage de points brut pour confirmer que les formes étaient au sol et non dans la canopée, puis rédigé un rapport en espagnol pour l'INAH, qui a répondu ne pas avoir de site enregistré à cet endroit ; l'ensemble a pris moins de 72 heures. Une mise à jour ultérieure indique que le site avait déjà été cartographié dans un article de 2025 que les agents avaient manqué, ce qui en fait une redécouverte.

    Motif de la recommandation :Un cas concret montre comment 48 agents examinent des images lidar selon un guide écrit, sans modèle spécialisé, en moins de 72 heures.

  2. AWS Machine Learning Blog40

    AWS Agent Registry : automatiser les mises à jour via une architecture push

    AWS propose une architecture événementielle qui synchronise automatiquement les enregistrements de l'AWS Agent Registry lorsqu'un serveur MCP publié via Amazon Bedrock AgentCore ajoute un outil ou modifie son schéma. Le pipeline s'appuie sur AWS CloudTrail pour capturer les appels UpdateAgentRuntime, Amazon EventBridge pour router les événements (y compris entre comptes) et AWS Lambda pour interroger le serveur MCP via initialize et tools/list, comparer les schémas et mettre à jour l'enregistrement existant. AgentCore Identity gère les échanges de tokens OAuth sans stocker de secrets, et la fonction Lambda ne met à jour que les enregistrements préexistants, sans en créer de nouveaux.

  3. Adafruit Blog73

    Google open source XSE, un moteur de serving C++ pour l'inférence XLA

    Google a mis en open source XSE (XLA Serving Engine), un runtime C++ qui sert des modèles d'apprentissage automatique sans interpréteur Python dans le chemin d'exécution.

    Motif de la recommandation :L'original expose les performances de XSE sur les requêtes courtes et son périmètre d'usage, ce qui permet de situer la place du serving C++ dans les infrastructures existantes.

  4. The Decoder82

    Google DeepMind dévoile AlphaProof Code, qui vérifie le cœur cryptographique de Signal en quatre semaines

    Google DeepMind a dévoilé AlphaProof Code, un système d'IA qui prouve mathématiquement qu'un logiciel respecte ses spécifications de sécurité sans erreur. Les chercheurs l'ont testé sur le protocole de chiffrement de Signal : le travail, qui prend habituellement des années, a été réalisé en quatre semaines. Après définition des exigences formelles de sécurité par des experts, des agents d'IA fondés sur Gemini Carbon ont écrit plus de six millions de lignes dans le langage de preuve Lean, signalant environ 1 % du code pour revue humaine ; deux bugs plantés volontairement pour le test ont été détectés immédiatement. Le CTO de Signal, Ehren Kret, estime que cette approche renforce la confiance dans la confidentialité des données à mesure que les menaces liées à l'IA augmentent. DeepMind prévoit d'étendre la méthode aux réseaux électriques et aux dispositifs médicaux via des systèmes comme CodeMender.

    Même actualité, affichée dans la sélection« Google DeepMind présente AlphaProof Code et vérifie formellement le code de Signal »

  5. Adafruit Blog58

    Claude lance Whiteboards et Sheets en bêta et renomme Dashboards en Claude Data

    Claude ajoute Whiteboards et Sheets en bêta et fait passer Dashboards en disponibilité générale sous le nom Claude Data.

    Motif de la recommandation :L'original détaille les trois nouvelles fonctionnalités de Claude et leurs limites actuelles, ce qui aide le lecteur à évaluer leur intégration dans les flux de travail d'équipe.

11 novembremer.
  1. Google DeepMind64

    Google DeepMind dévoile AlphaGenome 2, un modèle de séquence d'ADN conditionné par type cellulaire

    Google DeepMind annonce AlphaGenome 2, un modèle de séquence d'ADN conditionnel qui prédit l'effet des variants sur des types cellulaires humains précis. Entraîné sur plus de 107 millions de profils cellulaires couvrant 68 tissus, il identifie près de deux fois plus de variants modifiant l'expression génique que le modèle précédent, avec 30 % contre 16 % de variants causaux sur le jeu de données TenK10K. Le modèle est disponible pour la recherche non commerciale via l'AlphaGenome API et en aperçu privé pour la recherche commerciale.

    Motif de la recommandation :Le modèle conditionnel par type cellulaire et l'API ouverte permettent de situer les changements de capacité et les scénarios d'usage en recherche génétique.

  2. Ars Technica · AI76

    Google DeepMind vérifie formellement par IA les garanties cryptographiques clés du protocole Signal

    Les chercheurs de Google DeepMind ont utilisé un agent IA pour prouver formellement une partie des garanties cryptographiques clés du protocole Signal.

    Motif de la recommandation :L'original expose les limites de portée de la vérification formelle et la manière dont AlphaProof Code identifie les vulnérabilités connues, ce qui permet de juger du degré de maturité actuel de cette méthode.

  3. The Decoder78

    Anthropic affirme que l'IA réduit l'avantage CUDA de Nvidia et ramène le portage vers AMD de plusieurs mois à trois jours

    Anthropic affirme avoir porté Claude sur des GPU AMD en trois jours, avec presque aucune intervention humaine.

    Motif de la recommandation :L'original expose le portage de Claude sur GPU AMD en trois jours et la stratégie multi-puces d'Anthropic, ce qui permet de mesurer la dépendance matérielle des laboratoires d'IA.